[发明专利]一种银行交易反欺诈方法及系统、设备和存储介质

权利要求书

1.一种银行交易反欺诈方法，其特征在于：包括如下步骤：

步骤1、客户通过任意一个银行电子渠道发起交易；

步骤2、对发起的交易进行安全检查，若该交易通过安全检查，则进入步骤3；若不通过安全检查，则该交易不继续进行；

步骤3、线上计算出该交易的RAIB分数，将RAIB分数与风险等级匹配，并将风险等级与风险门限值进行比较，如果风险等级小于风险门限值，返回交易无欺诈风险的结果给对应的银行电子渠道，交易继续进行；如果风险等级不小于风险门限值，将该交易进行线下处理；

步骤4、将该交易进行分类，并判断该交易所在的分类器是否存在欺诈风险，若不存在，则返回交易无欺诈风险的结果给银行电子渠道，若存在，则该交易被判定为可疑交易，进入步骤5；

步骤5、从客户信息中心中获取客户的信息，根据客户的信息生成质疑的问题；客服通过呼叫中心对质疑的问题向客户进行电话确认，客户确认后将确认结果通过呼叫中心反馈给客服；

步骤6、对确认结果进行验证，并将验证结果返回给银行电子渠道，如果验证结果为客户没有通过质疑，则该交易被拒绝执行且账号被冻结；否则交易继续执行。

2.如权利要求1所述的一种银行交易反欺诈方法，其特征在于：所述步骤3具体为：

将交易风险模型根据不同的渠道和业务场景划分为不同的模型，所有的业务场景抽象出三个维度：活动、身份和行为，活动反应的是交易的具体活动信息，包括发起交易的渠道、位置和交易频率，身份反应的是账户状态、客户的身份状态和设备状态，行为反应的是客户的正常行为，包括最大的交易数量、正常的交易时间和交易的收款人；

针对银行电子渠道完成的交易t_x，在每个维度中有复数条规则，每条规则都有一个用于表示欺诈风险等级的子分数，分别用表示三个维度规则的子分数，用S_RAIB表示交易t_x的RAIB分数，所有的规则有初始权重而活动、身份和行为也有初始权重w_A、w_I、w_B，因此，RAIB分数S_RAIB由等式(1)产生：

规则引擎是由银行的银行服务领域专家预先配置的，每个规则的权重通过不同的机器学习算法进行训练；RAIB分数S_RAIB生成之后，映射到风险水平中，风险水平划分为五个等级：低级、中低级、中级、中高级和高级，RAIB分数越高，风险等级越高，欺诈风险越大，将风险等级与风险门限值进行比较，如果RAIB分数映射的风险等级小于风险门限值，返回交易无欺诈风险的结果给银行电子渠道，交易继续进行；如果风险等级不小于风险门限值，将该交易进行进一步处理。